Initiation au langage PYTHON

JOUR 1 : Syntaxe du langage Python – Démarrer avec Python

Découvrir l’historique, la philosophie et les points forts du langage.
Créer un 1er script : comprendre le fonctionnement de l’interpréteur.
Découvrir les caractéristiques du langage : rôle de l’indentation, les variables, les commentaires
Découvrir outils de développement
Utiliser des types de base :

Les numériques : entiers et flottants
Les chaînes de caractères
Les conteneurs : listes, tuples et dictionnaires
Contrôler les flux avec :

l’instruction if, les boucles for et while
Exercices types : création de procédures, utiliser les bonnes structures de données (notamment importance des dictionnaires en Python), nombreux exemples de mise en pratique

JOUR 2 : Organiser son code

Appliquer les bonnes pratiques (Les identifiants et les références. Les conventions de codage et les règles de nommage)
Utiliser les fonctions
Utiliser les listes de compréhension, les fonctions lambda
Utiliser les fonctions map, zip
Interagir avec le système
Manipuler et dépouiller les fichiers
Utiliser un module tiers
Créer ses propres modules
Gérer les erreurs par exception
Philosophie de la gestion des erreurs
Signaler une erreur (raise)
Traiter une erreur (try … except … finally)
Nombreux exercices d’application

S’initier à la programmation objet :

Programmer en utilisant des objets
Rappeler les principes et intérêt de la programmation objet
Créer ses propres classes d’objets
Aller plus loin avec l’héritage et le polymorphisme
Exercices types : création de procédures, classes et d’objets,
Aperçu des autres modules principaux de la « librairie standard » Python indispensables pour le traitement de données, notamment :
gestion des date / datetime,
conversion de format, timestamps, timezones, etc.

JOUR 3 : Introduction à des librairies pour traitement de données

Rappels rapides (ou introduction) sur les matrices : format, opérations usuelles sur les matrices, etc. (indispensable pour NumPy et la suite)
Introduction à NumPy et SciPy
Librairie de visualisation Matplotlib
Exercices : interpolation, recherche d’extremum de fonction, visualisation, etc.
Librairie d’analyse et traitement de données Pandas : introduction, syntaxe de filtrage des données, etc.
Import / export de données de sources diverses : CSV, Excel, JSON, etc.
Utilisation de Jupyter Notebooks
Exercices types : Création d’application avec des fonctions de librairies intégrées
Exercices (ou mini-projet si souhaité) : importation/fusion de données de sources diverses, conversion de formats, etc.

JOUR 4: Traitement des données avec Python

Statistique de base sous Python (statistique descriptive, test d’hypothèses)
Régression
Développement et ajustement de modèles
Automatisation de visualisation de données
(Optionnel en fonction des besoins) : librairie Scikit-learn, par exemple à travers des algorithmes de clustering, etc.
Exercices : Illustration des concepts abordés sur des jeux de données fournis par le formateur

JOUR 4 (FIN) : Ouverture / Pour aller plus loin

Mention des techniques/librairies pour aller plus loin (tous, ou certains au choix, adaptable en fonction des besoins) :
Librairies réseau pour acquisition de données en provenance de sources diverses (API, open[1]data, requêtes HTTP) avec Python
Frameworks web en Python : Django, Bottle, Flask
Outils de traitement d’image
Outils de Machine Learning / Deep Learning
Le programme de la formation est établi de manière à proposer continuellement une illustration des concepts abordés par la pratique, sur des exemples et exercices.